01

UN MODELO MATEMÁTICO PARA REALIZAR PRONÓSTICOS
Prof. Robinson Arcos

OBJETIVOS: • • Presentar un modelo matemático de ajustes de curvas que permite, entre otras cosas, realizar pronósticos o estimar parámetros físicos, químicos, etc. Hacer uso de la Aplicación Estadística de la calculadora ClassPad 300 PLUS para establecer el tipo de curva que mejor aproxima a un grupo de datos en el sentido del Método de los Mínimos Cuadrados.

CONOCIMIENTOS PREVIOS: • Conocimiento sobre las funciones básicas: lineal (afín), cuadrática, potencial, polinómica, logarítmica, exponencial y otras.

INTRODUCCIÓN: Como sabemos, una descripción matemática de un fenómeno de la vida real, dada en términos como por ejemplo, de una función o de una ecuación es lo que constituye un modelo matemático. El consumo continuo de un producto en el mercado, el descenso significativo del número de fumadores entre dos fechas en una población en particular, la expectativa de vida de una persona al nacer, el costo de la reducción de productos contaminantes en una determinada zona, la necesidad de realizar pronósticos sobre la variación a futuro del PIB en un país determinado, son ejemplos de fenómenos reales que se pueden modelar matemáticamente por una función. La finalidad del modelo es comprender el fenómeno y, quizá, hacer pronósticos acerca de su comportamiento.
Figura 1

MODELO MATEMÁTICO DE AJUSTE DE CURVAS: Al formular este tipo de modelo matemático, es necesario identificar en lo posible el mayor número de datos fidedignos (constantes) del fenómeno, definir, rotular y clasificar las incógnitas (variables independientes y dependientes) y establecer consideraciones, físicas, químicas, geométricas, etc., de manera tal que representen plenamente el fenómeno en estudio, pero al mismo tiempo lo simplifiquen suficientemente para que, junto con las condiciones y restricciones, éste pueda finalmente modelarse matemáticamente. El buen manejo de la situación física, química o geométrica y la destreza y habilidad matemática que poseamos, nos permitirá obtener ecuaciones que relacionen los datos del fenómeno con las variables que hemos definido. Es común que se nos presenten situaciones en las cuales no existe, por ejemplo, una ley física que guíe la construcción del modelo. En este caso al reunir los datos se procede a organizarlos y representarlos en forma tabular (mediante una tabla, como por ejemplo parejas (x n , yn ) ) para distinguir algunos patrones matemáticos de comportamiento. Si el comportamiento es funcional (los datos yn están en función de los datos x n , esto es,

yn = f (x n ) donde f es una función desconocida), es probable que nos convenga obtener una representación gráfica a partir de la representación numérica de la función, utilizando los datos de la tabla. En algunos casos, la gráfica podría incluso sugerir una fórmula algebraica adecuada de su regla de correspondencia.

Figura 2

1

5 341. Al final la Madre Naturaleza tiene la última palabra. y) de la tabla se obtiene una gráfica de dispersión. De modo que la relación funcional entre las variables satisface una ecuación de la forma y = ax + b . ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? X 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 Y 327. o formular uno nuevo. Es importante darse cuenta de las limitaciones del modelo.0 330.0 344.0 325.3 354. Si lo que interesa es establecer predicciones a futuro o establecer predicciones del pasado. Observemos que la misma nos indica un comportamiento lineal del nivel promedio de CO2 en relación directa con el tiempo transcurrido. permite analizar el fenómeno y establecer conclusiones en términos matemáticos. medido en partes por millón en un determinado observatorio en una población del mundo.0 340.3 351. en el sentido que la misma capture la “tendencia básica de los puntos dados”. pero incluso así. En la siguiente tabla aparece tabulado.0 350. Si las predicciones no se ajustan a la realidad del fenómeno.3 330.3 338.” Si no existe ley o principio físico o de otra naturaleza que nos ayuden a formular un modelo matemático. desde 1982 hasta 2000.0 Tabla 1 Gráfica de Dispersión para el nivel promedio de CO2 360. explicaciones y probablemente pronósticos del comportamiento futuro del fenómeno.0 1980 1985 1990 1995 2000 2005 X: Años Figura 3 En nuestro modelo empírico. Supongamos que se desea estimar el nivel promedio de CO2 que se obtuvo en 1997 y predecir el nivel promedio para el año 2005 y además contestar a la pregunta.0 345. es sólo una idealización.0 Y: Nivel de CO2 en ppm 355. se puede construir un modelo matemático empírico.0 335.0 332. por la pérdida de una parte del histórico de datos (pérdida de memoria). la realidad se simplifica lo suficiente para permitir los cálculos matemáticos.0 335. Un modelo matemático no es una representación completamente exacta de un fenómeno de la realidad. por bienios.La virtud de un modelo matemático es que éste. SITUACIÓN PROBLEMÁTICA 1 (Modelo de regresión lineal): 1. Al obtener una representación gráfica de las parejas de puntos (x. el cual se sustenta exclusivamente en los datos recopilados y se busca la ecuación de la curva que mejor se ajusta a estos datos. ya que las conclusiones e interpretaciones basadas en el modelo deben ofrecer soluciones.3 347. la variable independiente x representará cada uno de los años transcurridos desde 1982 hasta 2000 y la variable independiente y representará el nivel promedio de CO2 correspondiente al año x. es bastante exacto para permitir conclusiones valiosas. Para James Stewart: “En un buen modelo. 2 . se necesitará afinar el modelo. esto se logra por un proceso de comparación con los nuevos datos reales. el nivel promedio de dióxido de carbono en la atmósfera. e iniciar el ciclo una vez más. que luego deben contrastarse con la situación real.

los errores en los experimentos o en la misma recolección de datos. L . Presione encenderla. El método de los mínimos cuadrados proporciona “buenas aproximaciones” de los coeficientes a y b. Por fortuna hoy en día.5012x .0 355. obtenga los mismos resultados y pantallas que aquí se exponen: (1) Retire la cubierta de la calculadora. Recta de regresión para el nivel promedio de CO2 360.0 340. al operar su calculadora. la cual se llama recta de regresión. obtenidos en algún proceso de recolección de datos.] [Cerr.0 Y:Nivel de CO2 en ppm y = 1. las calculadoras graficadoras como la ClassPad 300 PLUS tienen funciones que permiten calcular los valores de a y b. Si hay variables asignadas. y del que se deducen otros modelos. es posible encontrar fórmulas para el cálculo de la pendiente a y la ordenada en el origen b de la recta resultante. 3. se obtienen puntos que no están alineados.2648. Generalmente. tome el lápiz táctil y colóquela sobre la mesa. Operación con la ClassPad. como una posibilidad de elegir una recta que mejor represente el comportamiento de los 10 puntos tabulados. 2. yi ) para i = 1. toque [Todo] [Seleccionar todo] [Edit] [Borrar] [Acep. 3 .] para limpiar las variables asignadas y regresar al área de trabajo de la Aplicación Principal. será necesario realizar las siguientes tareas de limpieza y configuración para que.8 350.0 1980 1985 1990 X:Años Figura 4 1995 2000 2005 CURVAS DE REGRESIÓN CON LA CLASSPAD 300 PLUS: 2.Pudiéramos establecer la ecuación de la recta que pasa por el primer punto y el último. El problema es encontrar la recta que “mejor ajusta” este conjunto de puntos (recta de regresión lineal). El método de los mínimos cuadrados se emplea como modelo matemático para realizar pronósticos a partir de datos recolectados en la vida cotidiana o para estimar parámetros a partir de datos recogidos experimentalmente.0 330.] [Cerr. toque [Edit] [Borrar todo] [Acep. Toque main dos veces. (2) Toque en el panel de iconos para acceder directamente a la Aplicación Principal. y trazar la gráfica de la recta de regresión a partir de los puntos datos. n .0 345. Sin embargo. para (4) Toque el botón para acceder directamente al administrador de variables. consiste en determinar la ecuación de una recta: y = ax + b a la que deberían pertenecer todos los puntos de coordenadas (x i . Con conocimientos de matemáticas.0 335. El caso más sencillo.0 325.] para limpiar el área de trabajo. un método que permite determinar la ecuación de la “recta que mejor ajuste” un determinado número de puntos se conoce como el método de los mínimos cuadrados. Antes de comenzar. (3) En la barra de menús. por imprecisión de los instrumentos.

(12) Toque [Edit] [Borrar todo] [Acep. el cursor se ubica en la segunda celda de la lista 1. toque el botón representación angular: Radián. En el recuadro Ángulo. toque [ConfGráf] [Opciones …]. registre en columna los demás datos correspondientes a la variable x (Años). Si se equivoca al registrar un dato. ubique el cursor en la primera celda de la lista 2 (list2) y registre los datos que corresponden a la variable y (nivel de CO2 en partes por millón). Al terminar su calculadora mostrará la pantalla de la Figura 5.] para limpiar el editor de listas. • • Figura 6 • • De esta manera.(5) En la barra de herramientas de la Aplicación Principal toque la siguiente secuencia de comandos: [Formato básico]. toque el botón presentación de números: Normal 1. ubique el cursor sobre el dato errado y escriba el nuevo número y luego confirme con [EXE]. ListaY: list2. Al terminar este cuerpo de instrucciones. Observe la Figura 7. Toque [Def. (18) Toque en la barra de herramientas para trazar el gráfico de dispersión. Lista X: list1. toque aquellos donde aparece la marca de verificación para desactivarlos. Para trazar el diagrama de dispersión de los datos será necesario hacer las siguientes operaciones de configuración de gráficos estadísticos: • Figura 7 (16) En la barra de menús. Frec. (17) Finalmente toque [Def. 4 . Marca: Cuadrado (observe la Figura 8). Utilice el punto y no la coma para separar la parte entera de parte decimal del número dato. (11) En el panel de iconos toque para maximizar la ventana del editor de listas. (13) Manipulando la tecla direccional elíptica ubique el cursor el la primera celda de la lista 1 (list1) y teclee 1982 que corresponde al primer dato de la lista de años en la Tabla 1. se encuentran todos los datos de la variable x y en la segunda lista se encuentran todos los datos de la variable y. Al desplegarse el menú. en la barra de herramientas. en la lista 1. (14) De la misma manera. Aparecerá en la parte inferior de la pantalla dividida la ventana del editor de listas.: 1. [Preferencias ►] [Configuración ►] • (6) (7) (8) • (9) • En el cuadro de diálogo realice la siguiente configuración: En el recuadro Visualización. y seleccione el modo de y seleccione la unidad de En los recuadros de verificación que corresponden al formato Avanzado. Ahora accederemos directamente desde la Ventana de la Aplicación Principal a la ventana de la Aplicación Estadística.] para regresar a la ventana de la Aplicación Principal. Observe que una vez que se registra el dato. En el cuadro de diálogo utilice los botones para configurar los siguientes parámetros: Dibujo: On.] para confirmar la configuración.. su calculadora mostrará la pantalla indicada en la Figura 6 de la ventana de la Aplicación Estadística. Tipo: Disper. Confirme con [EXE]. (15) Al terminar. Figura 5 (10) Toque el botón toque • para acceder directamente a la Aplicación Estadística.

¿cuál es la ecuación de la recta de regresión? Para contestar a las preguntas: ¿qué nivel promedio de CO2 se obtuvo en 1987?. De acuerdo a los datos indicados en pantalla.Aparecerá la ventana de gráficos mostrando el diagrama de dispersión (Figura 9). i=1 n 3. el coeficiente de correlación r nos da una medida de qué “tan buena” es la relación entre las dos variables. (19) Toque [Cálc.]. Mientras más cercano a 1 se encuentre este valor. Este coeficiente satisface −1 ≤ r ≤ 1 . El diagrama de dispersión muestra un conjunto de puntos que tiende a alinearse. esto indicará que la relación entre las variable es “muy débil” y que los datos presentan una alta dispersión que no les permite alinearse. (20) En el cuadro de diálogo que aparece toque [Acep. b : término constante de regresión (ordenada en el origen). Mientras más cercano a 1 se encuentre el valor absoluto de este coeficiente. a : coeficiente de regresión (pendiente). Si r 2 = 1 entonces los puntos están alineados. Figura 8 Figura 9 Figura 10 Los parámetros estadísticos indicados en la pantalla de la Figura 10 son los siguientes: y = ax + b : es la fórmula del modelo de regresión lineal.] [Regresión lineal]. r 2 y MSe (Figura 10). mejor será el ajuste. “más fuerte” será la relación entre las variables x e y. ¿cuál será el nivel de CO2 para el año 2005? y ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón?. r : coeficiente de correlación r 2 : coeficiente de determinación. 1 n−2 ∑ (yi − (axi + b))2 . b y los parámetros estadísticos r. Indica “qué tan bueno” es el ajuste de la recta de regresión a los datos. Por otra parte. MSe : Error cuadrático medio dado por MSe = Observación: El coeficiente de determinación r 2 satisface r 2 ≤ 1 . • • Aparece en pantalla el cuadro Cálculo estadístico que muestra los valores de los parámetros de interés a. Si r está más cercano a cero. procedemos de la siguiente manera: 5 .

observará que el cursor se desplaza sobre la recta de regresión ˆ de las variables x e y. para obtener dicho valor en forma Figura 14 5. Observe la disposición de los puntos respecto a la recta de regresión Figura 11 4. Por otra parte.(21) Toque el botón • • para trazar la recta de regresión lineal. Aparecerá la gráfica de la recta de regresión en el diagrama de dispersión. Es decir. (27) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para ese año. ¿Qué puede concluir del gráfico mostrado en la pantalla (Figura 11) y el valor del coeficiente de determinación r 2 = 0. siga las siguientes instrucciones: para copiar en el portapapeles la para acceder directamente Figura 13 (24) Toque en el recuadro inferior el botón ecuación de la recta de regresión. y. • • • Aparecerá un cursor sobre la gráfica de la recta de regresión. Si utiliza las teclas direccionales ► y ◄ de la tecla elíptica del teclado de la calculadora. la ecuación de la recta de regresión. ¿Qué nivel promedio de CO2 se obtuvo en 1987? 6 . Toque la solapa [mth] para activar el teclado matemático. Figura 12 (23) Con las teclas direccionales ubique el cursor en un punto tal que x c ≈ 1987 . Toque decimal (Figura 14). en la línea de entrada. (25) En la barra de herramientas toque y luego para maximizar la pantalla. en el recuadro inferior aparecerá la ecuación de la recta de regresión. a la Aplicación Principal.9969175 (alrededor de un 99 %)? ˆ de las variables x. ˆ e y indicando los valores estimados x Encontrará que y c ≈ 334 . que para 1987 el nivel promedio de CO2 se encontraba alrededor de las 334 partes por millón. seguidamente toque para activar el comando “with”. Toque finalmente para evaluar la ecuación. en la Aplicación Principal. • • Para obtener un valor más preciso. ˆ y y Luego de trazar un gráfico de regresión se pueden calcular los valores estimados x respectivamente. Toque (26) Oprima la tecla [Keyboard]. como se puede observar en las Figuras 12 y 13. Toque para pegar. Contestemos a la primera pregunta: (22) En la barra de menús toque [Análisis] [Trazo].

¿Cuál será el nivel de CO2 para el año 2005? (31) Toque para pegar. luego toque para evaluar la ecuación. (29) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para el año 2005. la ecuación de la recta de regresión. luego toque para evaluar la ecuación. A cada encendedor se le determina en una balanza la cantidad de masa “y” en gramos y se le mide la altura “x” en milímetros de la columna de líquido. Para ello se dispone de 10 encendedores usados. ¿Qué ajuste le sugiere la nube de puntos? 7 . Trace el diagrama de dispersión. en la línea de entrada. Figura 16 7. (33) Toque [ans] [Ejec]. la ecuación de la recta de para activar el comando “with”.(28) Toque para pegar. Queremos estimar la cantidad de masa de gas licuado en un encendedor de bolsillo de una marca determinada. Figura 15 (30) Toque para obtener dicho valor en forma decimal. y? Explique. (35) Toque para obtener dicho valor en forma decimal. 6. Responda a cada una de las preguntas que se formulan: a) ¿Qué tipo de función necesariamente deben verificar las variables x. y 106 109 112 115 116 119 122 125 128 131 b) En la Aplicación Estadística. (34) Seleccione la fracción correspondiente al valor estimado x del año en que el nivel promedio de CO2 sobrepasará las 400 partes por millón. Toque las teclas regresión. (32) Toque [Acción] [Ecuación /Desigualdad ►] [solve]. 9. borre todas las listas. ¿Cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? SITUACIÓN PROBLEMÁTICA 2 (Un modelo de estimación de parámetros): x 12 15 20 24 25 30 35 40 45 48 Tabla 2 8. en la línea de entrada. y en list2 las correspondientes masas “y”. registre en la list1 las alturas “x”.

si se sabe que la altura del depósito es de 55 mm? SITUACIÓN PROBLEMÁTICA 3 (Un modelo de crecimiento de población): X: Año 1900 (0) 1910 (1) 1920 (2) 1930 (3) 1940 (4) 1950 (5) 1960 (6) 1970 (7) 1980 (8) 1990 (9) 2000 (10) 2010 (11) 2020 (12) 2030 (13) Y: Población 1650 1750 1860 2070 2300 2520 3020 3700 4450 5300 5770 ? ? ? Tabla 3 10. ¿qué representan físicamente en este modelo los parámetros a y b? e) ¿Cuál es la masa aproximada de un encendedor vacío? f) ¿Cuál es la masa aproximada del líquido en un encendedor lleno. Se desea predecir el número de habitantes que tendrá la ciudad al comienzo de cada una de las tres primeras décadas del siglo XXI. obtenemos la ecuación ln y = ln a + bx . Al utilizar la ClassPad se obtiene la representación del modelo exponencial y la ecuación de la curva de ajuste. y = ax + b. 8 . lo que indica que si la variable dependiente y es una función exponencial de x. esto es. Observe que si tomamos logaritmo neperiano en ambos miembros de la ecuación.c) ¿Esperaría. ¿porqué? d) Si el ajuste propuesto es lineal. x = 1 representa el año 1910 y así sucesivamente. los modelos de crecimiento de población o desintegración radiactiva. La siguiente tabla presenta datos sobre el número de habitantes (en miles) en una determinada ciudad cosmopolita de acuerdo a los censos realizados en cada década desde 1900 hasta 2000. donde a > 0 y b > 0 . Existen procesos que exhiben un comportamiento exponencial como por ejemplo. De modo que un ajuste lineal entre las variables x y ln y nos dará un ajuste exponencial entre la variable x y la variable y. que no hubiesen errores de medición?. entonces ln y es una función lineal de x. Aquí x = 0 representa el año 1990. Observación: Se sabe que la función que modela los crecimientos de población es una función exponencial de la forma y = ae bx . por el diagrama de dispersión.

Toque para copiar en el portapapeles la para acceder directamente Figura 18 y luego para maximizar la pantalla. (53) Seleccione la fracción correspondiente al valor estimado y del número de habitantes correspondiente al año 2010.11. (41) El list1 registre los años: 0. para acceder a la Aplicación Principal. una población de 6. (50) Toque en el recuadro inferior el botón ecuación de la curva de regresión. Continúe usted dando respuesta a las demás interrogantes Figura 19 9 ..353. Toque en forma decimal (Figura 19). • Figura 17 (44) (45) (46) (47) • Trace el diagrama de dispersión tocando en la barra de herramientas. para maximizar la ventana del editor de (39) En el panel de iconos toque listas. (38) En la barra de herramientas toque el botón toque . en la línea de para (52) Active el teclado matemático [mth].: 1. En el cuadro de para configurar los siguientes parámetros: diálogo utilice los botones Dibujo: On. luego toque activar el comando “with”. estadístico. Lista X: list1. exponencial]. …. Toque entrada.].] [Regr. ListaY: list2. para obtener dicho valor • Se estima entonces. (48) Finalmente toque Para calcular el número de habitantes en la ciudad al inicio de las tres décadas del siglo XXI. (51) En la barra de herramientas toque a la Aplicación Principal. para trazar la curva de regresión exponencial. En el cuadro de diálogo Definir cálculo. (49) Toque [Análisis] [Trazo]. 10. (40) Toque [Edit] [Borrar todo] [Acep. copiaremos la ecuación de la curva en la ventana de la Aplicación Principal. Al desplegarse el menú para acceder directamente a la Aplicación Estadística. En el cuadro Cálc. la ecuación de la recta de regresión. Operación con la ClassPad.].] para confirmar la configuración. Marca: Cuadrado . (42) En list2 registre los datos de población.000 habitantes al comienzo de la primera década del siglo XXI. Toque finalmente para evaluar la ecuación.] para limpiar el editor de listas. toque [ConfGráf] [Opciones …]. (43) En la barra de menús. Tipo: Disper. Frec. para pegar.]. (36) Toque (37) Toque [Edit] [Borrar todo] [Acep. Al terminar su calculadora debe mostrar la pantalla de la Figura 17. Finalmente toque [Def. 1. toque [Acep. toque [Acep. Toque [Cálc.

la segunda columna contiene el logaritmo decimal de la viscosidad y.12. sino entre una variable y el inverso de la otra.6990 0.3010 0. La tasa de crecimiento porcentual anual aproximada. Determine esta tasa. • Ejecute Ln(ans) para tomar logaritmo neperiano en ambos miembros de la ecuación.921.6021 0.65 y log 13 ). x = 1 el año 1994 y así sucesivamente.020 11.971 14. • Sustituya el valor para la variable y (tenemos dos valores log 7.223 Tabla 4 13. proceda de la siguiente manera: • Copie la ecuación en la ventana de la Aplicación Estadística y péguela en la línea de entrada de la Aplicación Principal. Sugerencia: Para no tener problemas de desbordamiento en la resolución de la ecuación en la Aplicación Principal. La siguiente tabla presenta. La teoría prevé que el logaritmo decimal de la viscosidad es una función exponencial de la temperatura ( y = ae bx ) o dicho de otro modo.795 11. 10 . encontrando la curva exponencial que mejor se ajusta a los datos de la tabla. Determine en qué intervalo debe mantenerse la temperatura para realizar el trabajo. en el sentido del método de los mínimos cuadrados.027. El crecimiento del registro electoral sigue un crecimiento exponencial y = ae bx con a.8451 En este problema. En ciertos problemas no hay una relación lineal directa entre una variable y la otra. • Finalmente ejecute solve(ans) para obtener la solución. entre el inverso de una y el inverso de la otra. entre una y el logaritmo de la otra. y 0. viene dada por 100 ⋅ b % . a) Encuentre la función exponencial que mejor ajusta los puntos de la tabla.720. para cada año (X).607 15. etc. del registro electoral.7782 8.65 y 13.4771 0. la primera columna la temperatura x de cierto tipo de vidrio en °C . Aquí x = 0 representa el año 1993. b) Sólo es posible trabajar el vidrio cuando su viscosidad está entre 7. ¿Cuál es el número de habitantes que tendrá la ciudad al comienzo del a) año 2010? b) año 2020? c) año 2030? SITUACIÓN PROBLEMÁTICA 4 (Tasa de crecimiento porcentual del Registro Electoral): Año 1993 (0) 1998 (5) 2000 (7) 2004 (11) 2006 (13) Nº de electores 9.688. b > 0 . SITUACIÓN PROBLEMÁTICA 5 (Un problema relacionado con la industria del vidrio) x 1390 1154 984 874 791 729 Tabla 5 14. el número de electores (Y) inscritos en el Registro Electoral venezolano. que el logaritmo neperiano del logaritmo decimal de la viscosidad es una función afín de la temperatura.013.

008 164.507 Tabla 7 16. Reflexione.615 1. cuarto grado y = a + bx + cx 2 + dx 3 + ex 4 a estos datos. aquí x = 0 corresponde a 1955.000 1.+∞ [ ? b) Ajuste un modelo potencia a los datos.1 143. La tabla indica las emisiones de plomo hacia el medio ambiente en millones de toneladas métricas en un determinado lugar del planeta. produce contradicciones en el mundo real al realizar el pronóstico. y así b) c) d) e) sucesivamente. desde 1955 hasta 1995.3 5. T 0.086 39.203 9.350 a) Construya una gráfica de dispersión de T contra d y otra de ln T contra ln d . n es cualquier número real y el dominio de la función ] 0.7 Tabla 6 15. a la hora de elegir una curva de ajuste para un conjunto de datos? SITUACIÓN PROBLEMÁTICA 7 (Un problema de mecánica celeste): Planeta Mercurio Venus Tierra Marte Júpiter Saturno Urano Neptuno ¿Plutón? d 0. Encuentre en cada caso los coeficientes de correlación y determinación. a) Ajuste tanto una curva exponencial. ¿El modelo corrobora dicha ley? . ¿es buen criterio tomar como modelo la curva que mejor ajusta un conjunto de puntos? ¿Qué hechos deben considerarse de antemano sobre un fenómeno de estudio.861 29.9 5.723 1. x = 1 a 1960.1 4.0 18.387 0. ¿Cuál de las dos es la curva que mejor ajusta el conjunto de datos? Estime gráficamente la cantidad de emisión de plomo en 2000 y en 2005 en cada caso.SITUACIÓN PROBLEMÁTICA 6 (Un problema de emisiones de plomo) Año 1955 (0) 1960 (1) 1965 (2) 1970 (3) 1975 (4) 1980 (5) 1985 (6) 1990 (7) 1995 (8) como un polinomio de Emisiones 199. En la tabla se muestran distancias promedio d de los planetas al Sol (tomando como unidad de medida la distancia de la Tierra al Sol) y sus períodos T (tiempos de revolución en años terrestres).881 11.000 1. 11 .5 5.190 30. la otra produce pronósticos más acertados.241 0.541 19.5 4. ¿Parece razonable un modelo potencia T = adn donde a es un número real positivo.8 68.523 5.457 84. c) La tercera ley de Kepler del movimiento planetario afirma: “El cuadrado del período orbital de un planeta (tiempo que tarda en dar una vuelta alrededor del Sol) es directamente proporcional al cubo de su distancia media al Sol”. Sin embargo.784 248. Observe que la curva que mejor ajusta el conjunto de puntos.

Sign up to vote on this title
UsefulNot useful